Golang

🐋 DeepSeek V4.1-Flash-1017: метрики выше, ответы короче, Search и Fetch API открыты всем DeepSeek обновили Flash-версию V4.1. Модель сильнее прошлой, быстрее решает задачи и выдаёт более короткие ответы, то есть выходит дешевле. Доступна на сайте, в приложении и по API, веса открыты. На DeepSWE v1.1 модель набирает 77.0 против 74.0 у Claude Opus 5 и 73.0 у GPT 5.6-Sol. На Automation-Bench 60.5 против 50.3 у Opus 5, на Agents' Last Exam 35.4 против 28.6. К прошлой Flash прирост большой: Terminal-Bench 4.0 вырос с 31.2 до 42.3, ProgramBench с 20.3 до 29.1. На HLE (56.3), Terminal-Bench 4.0 (51.8) и NL2Repo-Bench (75.3) Opus 5 всё ещё впереди. Цифры приведены самой компанией, а методики оценки у бенчмарков разные. Отдельно открыли Search и Fetch API на собственном поисковом движке: $0.75 за 1000 вызовов на каждый эндпоинт. Модель: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017 Документация API: https://api-docs.deepseek.com/guides/search Источник: https://x.com/deepseek_ai/status/2111375640717033777 @ai_machinelearning_big_data #DeepSeek

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

🔎 Конец программирования: создатель InfluxDB считает, что код скоро перестанут писать и читать люди Пол Дикс, основатель InfluxData и автор InfluxDB, опубликовал эссе «The end of programming». Его тезис: ручное написание кода и построчное ревью вымирают. Софт будут производить агенты, а люди будут проверять результат работы системы, в сам код почти не заглядывая. Главный аргумент Дикса связан с Bun 1.4. Рантайм переписали с Zig на Rust, это больше миллиона новых строк. Сделал это один разработчик, Джаред Самнер, вместе с предрелизной Fable 5 и почти безлимитным бюджетом на токены. Он собрал харнесс для параллельной работы агентов, и за 11 дней они сделали 6778 коммитов. По API это стоило бы около $165 тысяч. На возражение, что переписывать готовую программу легко, ведь старая версия служит эталоном, Дикс отвечает так: если есть система верификации и толковое направление, ИИ доводит до рабочего состояния очень сложный софт. Его собственные эксперименты на форке InfluxDB. Интеграцию с Apache Iceberg, где задействованы API, CLI, компактор, манифесты и S3, Fable собрала за 14 часов: Дикс только описал архитектуру, а дальше работали сабагенты с код-ревью. Репликацию данных с edge-узлов в центральный кластер модель сделала за 28 часов, сама развернула в AWS и чинила баги по логам и метрикам. Система крутится до сих пор. Обе фичи пока остаются прототипами, а держать агента в постоянном цикле улучшений Дикс не может себе позволить: по его оценке, это сотни тысяч долларов в месяц. По словам Дикса, в Anthropic и OpenAI разработчики уже выпускают десятки и сотни PR в неделю. Они строят системы, промпты и инструменты проверки и не читают каждую строку. Остальная индустрия придёт к этому примерно через год. К концу 2027 года интеллект уровня Fable должен стать достаточно дешёвым для работы на полный день, а железо вроде Cerebras даст в 10-100 раз больше токенов в секунду. При этом Дикс не обещает мгновенной революции. Из-за инерции организаций ручной код с построчным ревью во многих компаниях проживёт ещё лет десять. И вместе с полезным софтом нас ждёт море слопа. Самыми продуктивными станут те, кто управляет агентами, строит харнессы, фабрики софта и системы QA. Главными вопросами будут «что мы хотим выпустить?» и «что мы готовы поддерживать?». https://pauldix.com/the-end-of-programming

На GitHub доступен модульный фреймворк для гибкого тестирования на Go — Testo. Testo написали разработчики Ozon Tech и уже проверили на тысячах своих e2e-тестов на проде. Фреймворк работает как слой над testing.T внутри экосистемы Go. Он адаптируется под потребности за рамками стандартного пакета и позволяет быстро создавать тесты под любую задачу. Попробуйте, если хотите расширить ваши тесты отчетами, фильтрами и собственным функционалом через плагины: https://ozon.tech/testo

🐹 Один непрочитанный ответ мог заставлять Go заново открывать HTTP-соединения. В Go 1.27 это исправили. Раньше при HTTP/1 одного resp.Body.Close() было недостаточно: если тело ответа не дочитано, соединение приходилось закрывать. Следующий запрос снова тратил время на TCP и TLS. Теперь net/http при закрытии тела асинхронно дочитывает остаток в пределах установленного лимита, чтобы сохранить соединение для следующих запросов. В тесте авторов статьи 100 запросов, которым нужен только статус ответа, заняли 150 мс вместо 710 мс. Почти пятикратное ускорение в конкретном сценарии, без изменений кода. Закрывать `resp.Body` по-прежнему обязательно. Изменение касается HTTP/1: у HTTP/2 непрочитанное тело отдельного ответа не мешает другим запросам использовать соединение. https://uproger.com/go-1-27-http1/ #golang

10 ноября в Москве пройдёт Go Birthday Conf от RWB Отметим день рождения Golang вместе с экспертами RWB, YADRO, Т-Банка, VK и Avito. Разберём кейсы из продакшена, поговорим о highload и будущем Go в эпоху AI. В программе: Доклады: — 10 лет Go глазами практика: как менялся язык и что с ним сейчас; — SIMD без ассемблера: что изменилось и какой прирост производительности можно получить; — Архитектура доставки продуктовых метрик под высокой нагрузкой; — Геокодинг и построение маршрутов под нагрузкой. Дискуссия «Go в эпоху AI» — обсудим, как меняется разработка, что остаётся инженеру и почему растёт роль инженерного мышления. Воркшоп и архитектурные каты, где можно порешать задачи вместе с другими участниками. Приглашаем Go-разработчиков, backend-инженеров, тимлидов и всех, кто работает с highload и архитектурой или хочет разобраться, как AI меняет разработку. Первые 100 офлайн-гостей получат беспроигрышные лотерейные билеты с подарками. 📍 Москва Старт в 15:00 Программа и регистрация по ссылке

🔎 Конец программирования: создатель InfluxDB считает, что код скоро перестанут писать и читать люди Пол Дикс, основатель InfluxData и автор InfluxDB, опубликовал эссе «The end of programming». Его тезис: ручное написание кода и построчное ревью вымирают. Софт будут производить агенты, а люди будут проверять результат работы системы, в сам код почти не заглядывая. Главный аргумент Дикса связан с Bun 1.4. Рантайм переписали с Zig на Rust, это больше миллиона новых строк. Сделал это один разработчик, Джаред Самнер, вместе с предрелизной Fable 5 и почти безлимитным бюджетом на токены. Он собрал харнесс для параллельной работы агентов, и за 11 дней они сделали 6778 коммитов. По API это стоило бы около $165 тысяч. На возражение, что переписывать готовую программу легко, ведь старая версия служит эталоном, Дикс отвечает так: если есть система верификации и толковое направление, ИИ доводит до рабочего состояния очень сложный софт. Его собственные эксперименты на форке InfluxDB. Интеграцию с Apache Iceberg, где задействованы API, CLI, компактор, манифесты и S3, Fable собрала за 14 часов: Дикс только описал архитектуру, а дальше работали сабагенты с код-ревью. Репликацию данных с edge-узлов в центральный кластер модель сделала за 28 часов, сама развернула в AWS и чинила баги по логам и метрикам. Система крутится до сих пор. Обе фичи пока остаются прототипами, а держать агента в постоянном цикле улучшений Дикс не может себе позволить: по его оценке, это сотни тысяч долларов в месяц. По словам Дикса, в Anthropic и OpenAI разработчики уже выпускают десятки и сотни PR в неделю. Они строят системы, промпты и инструменты проверки и не читают каждую строку. Остальная индустрия придёт к этому примерно через год. К концу 2027 года интеллект уровня Fable должен стать достаточно дешёвым для работы на полный день, а железо вроде Cerebras даст в 10-100 раз больше токенов в секунду. При этом Дикс не обещает мгновенной революции. Из-за инерции организаций ручной код с построчным ревью во многих компаниях проживёт ещё лет десять. И вместе с полезным софтом нас ждёт море слопа. Самыми продуктивными станут те, кто управляет агентами, строит харнессы, фабрики софта и системы QA. Главными вопросами будут «что мы хотим выпустить?» и «что мы готовы поддерживать?». https://pauldix.com/the-end-of-programming

🤖 Зачем держать отдельный контейнер для каждого ИИ-агента, если большую часть времени он ждёт? Agent Substrate использует это ожидание для экономии ресурсов: приостанавливает окружения, сохраняет их состояние и возобновляет на свободных воркерах в Kubernetes. В демо около 250 окружений со своим состоянием работают через пул из 8 подов. Что умеет проект: • Сохранять оперативную память и файловую систему между запусками. • Переносить окружения между воркерами. • Изолировать выполнение через gVisor и microVM. • Запускать агентов на разных стеках, включая Claude Code, Codex и LangChain, а также MCP-серверы. Авторы заявляют возобновление менее чем за 500 мс и плотность размещения в 10 раз выше стандартных контейнерных рантаймов. Это инфраструктура для массового запуска агентов. Проект пока до версии 1.0, API могут существенно меняться. Лицензия Apache 2.0. https://github.com/agent-substrate/substrate

🦀 1,8 млн ошибок из-за одного пробела: как разработчик собирал Kubernetes Ingress на Rust и Go Автор Silex разделил систему на две части: • Go-контроллер наблюдает за Ingress и EndpointSlice, отслеживая маршруты и адреса бэкендов. • Rust-движок на Tokio принимает трафик и ищет маршруты в конкурентной таблице DashMap. Обработка запросов отделена от взаимодействия с Kubernetes API. Первый нагрузочный тест выглядел обнадёживающе только по счётчику соединений: движок принимал около 55 тысяч в секунду, но не отдавал успешных ответов. Причина оказалась в разборе конфигурации. Вместо JSON-парсера код искал точную подстроку:

Ожидал:  "host":"silex.local"
Получил: "host": "silex.local"

Допустимый в JSON пробел ломал поиск. Обработчик молча завершался и закрывал TCP-соединение. Итог: 1,8 млн ошибок чтения. После исправления автор сравнил Silex с NGINX Ingress: K3s, HTTP echo-бэкенд, wrk, 400 соединений, 4 потока, 30 секунд. Silex: 2536 запросов/с. NGINX: 2274. Разница: +11,5%. Но максимальная задержка у обоих была около двух секунд, таймауты тоже остались. У Silex их даже больше: 302 против 286. По объяснению автора, нагрузка упёрлась в Node.js-бэкенд. На момент статьи TLS-терминация, активные проверки бэкендов и Prometheus-метрики ещё были в планах. Самое ценное здесь: увидеть, как устроен небольшой ingress, где ломается взаимодействие компонентов и почему throughput нужно читать вместе с ошибками и задержками. https://dev.to/sysalchemist/how-i-built-a-custom-kubernetes-ingress-in-rustgo-that-outperforms-nginx-by-11-4iag

Как перестать бояться Кафки? Знакомо? Сервис ответил "заказ принят", а до оплаты заказ так и не доехал, и ты сидишь в логах и не понимаешь, куда делось сообщение. Или консюмер упал, поднялся и обработал то же сообщение ещё раз, а у клиента теперь два списания. Или лаг растёт, ты добавляешь консюмеров, а становится только хуже. Причём ровно такие же вопросы потом прилетают и на собесах, и как раз на них обычно начинаешь плыть) Меня зовут Олег Козырев, я staff Golang-разработчик, в IT больше 8 лет. Начинал с C++, потом перешёл на Go и поработал в Озоне, Авито и Т-Банке. И Кафка мне тоже подкладывала свинью: в Озоне как-то разбудила алертом в четыре ночи, потому что консюмер не успевал разгребать очередь) Чтобы разобраться с этим, 15 октября в 19:00 по МСК я проведу открытый урок для Go-разработчиков:

Хорош бояться Кафку: ломаем и чиним Go-сервис в прямом эфире

Предыстория такая: пока меня не было дома, мой кот Коткинс добрался до телефона и начал заказывать себе вкусняшки с моей карты. Приложение кидает заказ в Кафку, сервис оплаты читает его и списывает деньги. Вот эту систему и будем ломать) Что разберём на уроке: 🟢Без занудных определений разберёмся, что такое продюсер, топик, партиции, группа и смещение. Просто проследим один заказ в Kafka UI от кнопки до списания 🟢Трижды попробуем сломать систему: потеряем заказ, спишем деньги дважды и завалим очередь. И разберёмся, почему так вышло 🟢По каждой поломке посмотрим, какие есть варианты починки и чем плох каждый 🟢Попросим нейронку написать консюмер для оплаты и посмотрим, переживёт ли он повтор сообщения 🟢Расскажу, когда Кафка вообще не нужна и можно спокойно взять RabbitMQ 🟢В конце отдам репозиторий со всем кодом урока, чтобы ты мог повторить всё у себя 🟢И конечно же, анонсирую новый поток своего курса по микросервисам на Go Регистрироваться никуда не надо, ссылка на урок будет прямо в канале по микросервисам: Залететь в канал с уроком P.S. Записи не будет, поэтому жду всех в онлайне) Реклама. ИП Козырев Олег Вячеславович, ИНН 440315249608, erid: 2W5zFJND9EZ

🦀 1,8 млн ошибок из-за одного пробела: как разработчик собирал Kubernetes Ingress на Rust и Go Автор Silex разделил систему на две части: • Go-контроллер наблюдает за Ingress и EndpointSlice, отслеживая маршруты и адреса бэкендов. • Rust-движок на Tokio принимает трафик и ищет маршруты в конкурентной таблице DashMap. Обработка запросов отделена от взаимодействия с Kubernetes API. Первый нагрузочный тест выглядел обнадёживающе только по счётчику соединений: движок принимал около 55 тысяч в секунду, но не отдавал успешных ответов. Причина оказалась в разборе конфигурации. Вместо JSON-парсера код искал точную подстроку:

Ожидал:  "host":"silex.local"
Получил: "host": "silex.local"

Допустимый в JSON пробел ломал поиск. Обработчик молча завершался и закрывал TCP-соединение. Итог: 1,8 млн ошибок чтения. После исправления автор сравнил Silex с NGINX Ingress: K3s, HTTP echo-бэкенд, wrk, 400 соединений, 4 потока, 30 секунд. Silex: 2536 запросов/с. NGINX: 2274. Разница: +11,5%. Но максимальная задержка у обоих была около двух секунд, таймауты тоже остались. У Silex их даже больше: 302 против 286. По объяснению автора, нагрузка упёрлась в Node.js-бэкенд. На момент статьи TLS-терминация, активные проверки бэкендов и Prometheus-метрики ещё были в планах. Самое ценное здесь: увидеть, как устроен небольшой ingress, где ломается взаимодействие компонентов и почему throughput нужно читать вместе с ошибками и задержками. https://dev.to/sysalchemist/how-i-built-a-custom-kubernetes-ingress-in-rustgo-that-outperforms-nginx-by-11-4iag

👣 Steampipe: инструмент на Go, который превращает любое API в SQL-таблицы Steampipe позволяет задавать вопросы облаку, Kubernetes и GitHub обычным SQL-запросом, без консолей и скриптов:

-- неймспейсы Kubernetes без NetworkPolicy
select n.name
from kubernetes_namespace n
left join kubernetes_network_policy p on p.namespace = n.name
where p.name is null;

Как это устроено: внутри встроенный PostgreSQL, а каждый источник данных подключается через плагин. Когда вы делаете запрос, плагин в реальном времени ходит в API и отдаёт строки в Postgres. Никакой выгрузки и отдельной базы. Для Go-разработчиков самое интересное в том, что и Steampipe, и все его плагины написаны на Go, и свой плагин пишется буквально за вечер. Описываете таблицу и функцию, которая получает данные:

func tableUsers() *plugin.Table {
    return &plugin.Table{
        Name: "myapi_user",
        List: &plugin.ListConfig{Hydrate: listUsers},
        Columns: []*plugin.Column{
            {Name: "id", Type: proto.ColumnType_STRING},
            {Name: "email", Type: proto.ColumnType_STRING},
        },
    }
}

func listUsers(ctx context.Context, d *plugin.QueryData, _ *plugin.HydrateData) (any, error) {
    users, err := apiClient.ListUsers(ctx)
    if err != nil {
        return nil, err
    }
    for _, u := range users {
        d.StreamListItem(ctx, u)   // каждая запись становится строкой таблицы
    }
    return nil, nil
}

После этого ваш внутренний сервис можно джойнить с AWS, GitHub или Kubernetes одним запросом. Кэширование, параллельные запросы, повторы и лимиты SDK берёт на себя. Готовых плагинов уже больше сотни, так что для аудита инфраструктуры, поиска забытых ресурсов или проверки, у каких репозиториев нет защиты веток, писать код вообще не придётся. https://devopscube.com/steampipe-tutorial/ https://github.com/turbot/steampipe

Гоферы, дайте отдохнуть себе и проду — приходите на Go Weekend 17 октября Конференция Lamoda Tech для тех, кто пишет на Go и может говорить о нем часами. Вас ждут два трека, 6 часов и 80+ амбассадоров Go-комьюнити. Примите участие в дискуссии о будущем языка и месте в AI, задайте неудобные вопросы.

Трек Tech: доклады про архитектурные решения, спорные идеи и реальные кейсы. 🎙 Дмитрий Буров, Senior Golang-разработчик, Lamoda Tech «Тернарный оператор в Go. Принять нельзя отклонить» 🎙 Станислав Королев, Senior Golang-разработчик, Авито «Почему spec-driven development плохо работает на микросервисах» 🎙 Эдгар Ситки, Founder, EasyP && Sipki tech «MCP on Go, или Как случайно сломать безопасность вашей системы?»

Трек Activities: круглый стол о будущем Go, «13 злых вопросов» экспертам и игры с призами.

🗓 17 октября ⏰ 12:00–18:00 📍 Москва, ул. Крылатская, 15 ➡️ Все подробности и регистрация на сайте Реклама. ООО "ЛАМОДА ТЕХ". ИНН 7734461512. erid: 2W5zFGaEvK3

👣 Большой разбор собеседований на Go в 2026 году На GitHub появился мощный репозиторий для подготовки к Golang-интервью: более 190 вопросов, каверзные задачи и live coding с решениями. Внутри: - 25 задач «что выведет код?»; - 22 live coding задачи с разборами; - goroutines, channels, sync, atomic и memory model; - runtime, scheduler, escape analysis и GC; - generics и context.Context; - HTTP, gRPC, базы данных и брокеры; - System Design для Middle+/Senior; - свежие изменения Go 1.22–1.27. Есть классические задачи вроде Worker Pool, LRU Cache, Rate Limiter, Fan-in, Pipeline, TTL Cache, Singleflight и Graceful Shutdown. По сути, готовая шпаргалка + задачник + roadmap для подготовки к Go-собеседованию. https://github.com/justxor/sobesrazborgoogle

👣 Portager - Kubernetes-оператор для автоматической синхронизации контейнерных образов между registry. Вместо CI/CD-скриптов вы создаёте ImageSync CRD, где указываете: - source registry - destination registry - список образов и тегов - cron-расписание - способ авторизации Дальше Portager сам сравнивает digest, копирует только изменившиеся образы и пишет статус обратно в Kubernetes. Поддерживает Docker Hub, GHCR, Quay, Chainguard, ECR, GCR, Harbor, Nexus и другие OCI-compatible registry. https://github.com/jarodr47/Portager

👣 Для Jev появился Unix-клиент на Go stefafafan/jev - неофициальный provider-neutral CLI для Jev от TypeSafe AI, написанный на Go. Поддерживает: - TypeSafe AI - Cloudflare Workers AI - Vercel AI Gateway Работает через обычные stdin/stdout, поэтому его удобно встраивать в shell-пайплайны и CI. Пример проверки diff:

git diff |
  jev noul "Could this change introduce a regression?"

Или оценка риска деплоя: kubectl diff -f manifest.yaml | jev score \ --level low \ --level medium \ --level high \ "How risky is this deployment?" Есть три режима: - noul — yes/no решение; - choice — выбор варианта; - score — оценка по уровням. По умолчанию результат возвращается в JSON. Установка: go install github.com/stefafafan/jev@latest GitHub: https://github.com/stefafafan/jev

⚡ Go Concurrency Distilled - конкурентность в Go без воды Компактная мини-книга по concurrency в Go с интерактивными примерами кода. Внутри: - goroutines и channels; - select и pipelines; - context и cancellation; - WaitGroup, mutex и semaphores; - data races и race conditions; - atomics и object pools; - scheduling, testing и diagnostics. Каждый пример можно изменить и запустить прямо на странице. Есть и PDF-версия. Быстрый гайд для тех, кто уже знает Go и хочет систематизировать конкурентность. По заявлению автора материал полностью AI-free. Читать: https://antonz.org/go-concurrency-distilled/

Go наконец получил переносимый SIMD: один код для x86, ARM и WebAssembly В Go 1.27 появился экспериментальный пакет `simd`. Векторный код теперь пишется один раз и работает на AVX, AVX2 и AVX512 на amd64, на NEON на arm64 и на WebAssembly SIMD. Раньше под каждую платформу приходилось держать отдельную реализацию или уходить в ассемблер. Ширина вектора спрятана от типов. Вместо привычных Int32x4 или Float64x8 используются типы вроде simd.Float32s и simd.Uint8s. Сколько элементов влезет в регистр, 128, 256 или 512 бит, решает железо, на котором запущена программа. Код от этого не меняется. Набор операций знакомый: загрузка и выгрузка, Add, Mul, MulAdd, сравнения и маски. В пакет попало только то, что есть на всех платформах, а недостающее эмулируется. Цель авторы формулируют так: писать один раз и получать производительность, близкую к ассемблеру. Компилятор специализирует код под конкретную ширину и убирает накладные расходы на диспетчеризацию внутри вычислений. Если переносимого набора не хватает, можно спуститься ниже. Методы `ToArch()` и `FromArch()` переводят значения в архитектурно-зависимый пакет archsimd из Go 1.26, где доступны инструкции конкретного процессора. archsimd поддерживает ещё PowerPC, s390x, RISC-V64 и loong64. Поведение удобно проверять через GODEBUG. Значение simd=0 включает полную эмуляцию, simd=128, 256 или 512 фиксирует ширину вектора, а вариант с плюсом, например simd=+256, частично включает возможности и паникует на отсутствующих инструкциях. Так можно прогнать тесты на всех ширинах на одной машине. Ограничения тоже есть. В 1.27 нет редукций, поэтому даже сумму элементов вектора придётся собирать обходным путём. В Go 1.28 обещают SVE для ARM, редукции, перестановки элементов, OnesCount и новые операции с масками. Ещё добавят варианты возможностей, чтобы на железе вроде Raspberry Pi код не откатывался в полную эмуляцию из-за одной недостающей инструкции. Включается всё флагом `GOEXPERIMENT=simd`. Для тех, кто пишет на Go инференс, обработку изображений, кодеки или числодробилки, это первый шанс получить векторизацию без ассемблера и без пачки файлов под каждую архитектуру. https://go.dev/blog/simd-experiment

🔥 SourceCraft научили работать с автономными ИИ-агентами Агенту можно отдать задачу из GitLab, после чего он сам выполняет работу и возвращает результат разработчику. Если для продолжения нужны данные или решение команды — запрашивает их самостоятельно. При этом агента не обязательно брать готового: в SourceCraft можно подключать собственных, в том числе созданных на Yandex AI Studio. Работать с агентами можно через GitLab, VS Code, CLI, мессенджеры и веб-интерфейс.

👣 Google открыла исходный код AX, среды для запуска AI-агентов в продакшене. AX изолирует задачи, подключает репозитории, MCP-серверы и навыки, ограничивает сетевой доступ, а также позволяет приостанавливать и возобновлять работу агентов с сохранением состояния. Это не новый агентный фреймворк и не облачный сервис, а инфраструктурный слой для масштабирования долгоживущих агентов в Kubernetes. https://github.com/google/ax